CN101313521B

CN101313521B - 使用滤波和主动探测来评估数据传输路径

Info

Publication number: CN101313521B
Application number: CN2006800434610A
Authority: CN
Inventors: S·埃克林; M·尼尔森
Original assignee: Telefonaktiebolaget LM Ericsson AB
Current assignee: Telefonaktiebolaget LM Ericsson AB
Priority date: 2005-11-23
Filing date: 2006-09-20
Publication date: 2013-03-13
Anticipated expiration: 2026-09-20
Also published as: EP1952579A1; ZA200803935B; US7778179B2; PL1952579T3; ATE494701T1; JP2009516984A; RU2439823C2; WO2007061370A1; RU2008125155A; CN101313521A; ES2358838T3; US20070115849A1; EP1952579A4; EP1952579B1; DE602006019476D1

Abstract

如果对数据传输路径中的状况适当地建模，则可以使用基于滤波器的方法来提供状况的估计。这样能够利用适中的数据处理和存储器资源要求来精确地对状况进行实时估计。

Description

使用滤波和主动探测来评估数据传输路径

技术领域

本发明一般涉及数据网络，特别是数据网络中数据传输路径的评估。

背景技术

下列的文献通过引用结合于本文：

卡尔曼滤波器的介绍(G.Bishop，and G.Welch，″An Introduction tothe Kalman Filter″，SIGGRAPH 2001，Course 8)。

通信网络中拥塞控制应用的RTT和带宽的估计(K.Jacobsson，H.Hjalmarsson，N.Moller and K H Johansson，″Estimation of RTT andbandwidth for congestion control applications in communicationnetworks″，in IEEE Conference on Decision and Control(CDC)2004Proceedings，Paradise Island，Bahamas，2004)。

路径负载：用于端到端可用带宽的测量工具(M.Jain and C.Dovrolis，″Pathload：a measurement tool for end-to-end availablebandwidth″.In Proc.of Passive and Active Measurement workshop(PAM)，2002)。

端到端可用带宽：测量技术、动力学和与TCP吞吐量的关系(M.Jain and C.Dovrolis，″End-to-end Available Bandwidth：MeasurementMethodology，Dynamics，and Relation with TCP Throughput″.In Proc.ofACM Sigcomm，2002)。

流控制的控制理论方法(S.Keshav，A control-theoretic approach toflow control.In Proceedings of ACM SIGCOMM′91，pages 3--15，Zurich，Switzerland，September 1991)。

SANE：稳定敏捷网络(M.Kim and B.Noble，″SANE：stable agilenetwork estimation″，University of Michigan Department of ElectricalEngineering and Computer Science.CSE-TR-432-00.2000)。

移动网络估计(M.Kim and B.Noble，″Mobile network estimation″，Mobile Computing and Networking(ACM MOBICOM)，Rome，Italy，2001)。

用于估计带宽瓶颈的端到端探测和分析新方法(B.Melander，M.Bj orkman，and P.Gunningberg，″A new end-to-end probing and analysismethod for estimating bandwidth bottlenecks″，Proceedings of IEEEGlobecomm′00，San Francisco，USA，November 2000)。

分组对相似方法的分组大小相关性(A.Pasztor and D.Veitch，″The packet size dependence of packet-pair like methods″，in Proceedings，Tenth International Workshop on Quality of Service(IWQoS 2002)，Miami Beach，USA，May 2002)。

路径啁啾声：用于网络路径的有效率可用带宽估计(V.Ribeiro，R.Riedi，R.Baraniuk，J，Navratil，L.Cottrell，″pathChirp：Efficient AvailableBandwidth Estimation for Network Paths″，in Proc)。of Passive andActive Measurement workshop(PAM)，2003)。

高速链路上的公共端到端带宽估计工具的比较(A.Shriram，M.Murray，Y.Hyun，N.Brownlee，A.Broido，M.Fomenkov and KC Claffy，″Comparison of Public End-to-End Bandwidth Estimation Tools onHigh-Speed Links″，in Passive and Active Measurement workshop(PAM)，2005)。

使用紧密间隔的单播分组的网络断层扫描(Nowak，R.D.andCoates，M.J.，″Network tomography using closely spaced unicast packets″，US Patent 6,839,754(2005))。

非固定数据网络中内部延迟的顺序蒙特卡罗干扰(M.J.Coatesand R.D.Nowak.″Sequential Monte Carlo inference of internal delays innonstationary data networks″，IEEE Transactiohs on Signal Processing，50(2)：366-376，February 2002)。

网络路径上可用带宽的持续监视(S.Ekelin and M.Nilsson，″Continuous monitoring of available bandwidth over a networkpath″，2ndSwedish National Computer Networking Workshop，Karlstad，Sweden，November 23-24，2004)。

带宽估计：量度、测量技术和工具(Prasad，R.，Murray，M.，Dovrolis，C，Claffy，KC：Bandwidth Estimation：Metrics，Measurement Techniques，and Tools.In：IEEE Network Magazine(2003))。

测量数据网络中路径上的可用端到端带宽的功能在多个场合(包括SLA(服务级协议)验证、网络监视和服务器选择)中都是有用的。在理论上，只要可以访问路径中的所有网络节点，被动式监视端到端网络路径的可用带宽是可能的。但是，通常情况下这是不可能的，可用端到端带宽的估计通常通过主动探测网络路径来实现。可以通过向网络中注入探测流量，然后分析背景流量(cross traffic)对探测信号的观察影响。这种主动测量要求仅访问发送方和接收方主机(节点)，而不要求访问发送方与接收方之间的路径中的任何中间节点。

主动探测的常规方法要求将探测分组流量以足够瞬间地使用所有可用带宽并导致拥塞的速率注入到相应的路径中。如果仅使用少量的探测分组，则节点中的缓冲器队列可能吸收引起的瞬间拥塞。相应地，不会产生任何分组丢失，而是仅引起几个分组的路径延迟小幅增加。基于此延迟增加确定可用带宽的期望测量。探测分组可以成对或成列以多种探测分组速率发送。使路径延迟开始增加的探测分组速率对应于拥塞点，因此是可用带宽的指示。还可以发送探测分组以使给定列内的探测分组之间的时间间隔变化，从而每列可以覆盖一定范围的探测速率。

例如上文提到的那些的常规解决方案无法对可用带宽进行实时估计或无法足够对可用带宽进行精确的估计，或这两个目的都达不到。这些解决方案往往还需要足够的数据处理资源或很大的存储器资源或二者都需要。

因此，期望提供一种主动探测解决方案能够估计数据网络中的路径的可用带宽而不存在上文提到的常规解决方案的难题。

发明内容

本发明的示范实施例提供适合地对数据传输路径中的状况建模以允许使用基于滤波器的方法来提供状况的估计。这样能够利用适中的数据处理和存储器资源要求对状况进行精确的实时估计。

附图说明

图1图示可根据本发明执行的示范操作。

图2以示意图图示根据本发明的示范实施例、用于评估数据传输路径的设备。

图3以图形方式图示本发明的示范实施例、所采用的分段线性模型。

具体实施方式

本发明的示范实施例提供对与分组交换网络路径(例如因特网或另一种IP网络上的两个主机或网络节点之间的路径)关联的时间相关状况进行快速且准确的估计。主动探测与滤波组合使用来估计与感兴趣状况有关的网络模型的变量。然后基于估计的变量来获取感兴趣的状况的估计结果。

通过以特定模式在网络路径上传送探测分组来对网络路径的特性取样。在发送和接收时记录它们的时间戳记，以提供与网络模型变量有关的量的测量。只要期望持续跟踪感兴趣的状况，则将此过程一次又一次地重复下去。

使用滤波能实现实时估计。对于通过对系统取样获得的每个新测量结果，根据先前的估计值与该新测量结果计算网络模型变量的新估计值。这样就能够对应于网络路径的每个新取样生成感兴趣状况的更新估计值(即新估计值)。可以任意频度地执行取样(即测量)，以产生实时响应率。因此，滤波器可以取系统状态的前一个估计值

以及新测量结果z_k作为输入，然后基于这些输入来计算系统状态的新估计值

这使得滤波器能够实时地生成状态变量估计值，即能够跟踪系统状态。

估计滤波器的一个示例是设计很好的卡尔曼滤波器，它既快速且重量轻。为了能够应用卡尔曼滤波器，需要以线性方式表示系统模型和测量模型。即，新系统状态与先前系统状态加噪声项线性相关，而测量的量与系统状态变量加噪声项线性相关。

在进一步论述估计系统状态变量的基于滤波器的方法之前，现在将论述系统状态变量的估计、要估计的状况的示例和适合的测量技术。

例如在本发明的一些实施例中，要估计的状况是网络路径的可用带宽。可以按如下方式来理解可用带宽的概念。网络路径中的每个链路j具有由链路的每一端上的节点中的网络接口确定的某个容量Cj。容量Cj仅是分组级上链路上的最高可能比特率。该容量通常在短时间范围上不会有变化。但是给定链路j上的负载或背景流量(由sj(t)表示)有所变化。链路j的可用带宽Bj(t)是Bj(t)＝Cj-sj(t)。沿着路径的链路j的其中之一具有最小可用带宽。此“瓶颈链路”确定路径的可用带宽。网络路径的可用带宽B(t)是分别与它的构成链路关联的可用带宽的最小者：

B (t) = \min_{j} (Cj - Sj (t)) .

因此，任何时间t网络路径的可用带宽可以解释为在理论上不导致拥塞的情况下可发生的，从发送端到接收端的数据速率中的最大增加。

应该注意，使用某个平均时间范围tau来定义背景流量负载并因此来定义可用带宽，即通过在时间t周围的长度tau的某个时间区间取均值来计算Sj(t)。对于tau没有通用且简单自然的选择方式，而是具体与应用的特点相关。由于有限链路容量和背景流量分组大小，tau无法选为任意小。但是，对于现代数据网络来说，可以使用低至亚秒区域的tau来定义可用带宽和背景流量负载。

在本发明的一些实施例中，用于取样进行测量的主动探测是构建于将带时间戳记的探测分组对从发送方传送到接收方的公知实践上的。例如，可以将网络路径建模成一系列的跳，每个跳包含输入FIFO队列和传输链路。每个传输链路j具有恒定容量Cj和随时间变化的背景流量。考虑一个分组序列，其中序列中的第i个分组在时间τ_i到达一个跳，而在时间τ_i ^*到达下一个跳。所关注的是分组对的到达间隔时间。如果每个分组对定义为包含分组序列的第(i-1)个分组和第i个分组，则给定分组对到达上述跳的到达间隔时间是

t_i＝τ_i-τ_i-1和

t_{i}^{*} = τ_{i}^{*} - τ_{i - 1}^{*} .

将无量纲量、分组间应变(inter-packet strain)指定为ε，并按如下公式定义它：

\frac{t_{i}^{*}}{t_{i}} = 1 + ϵ .

如果u是为执行测量选择的探测分组传输速率，如果r是探测分组流量离开跳的速率，且如果b是探测分组的大小，则

\frac{u}{r} = \frac{{b / t}_{i}}{{b / t}_{i}^{*}} = \frac{t_{i}^{*}}{t_{i}} = 1 + ϵ .

因此可以将分组间应变ε看作提供探测流量速率u与可用带宽B之间的关系的指示。如果u小于B，则ε＝0，且没有拥塞。但是，如果u达到B，则有拥塞，并且拥塞(更确切来说应变)与过载u-B成比例地增加。这在前文提到的由B.Melander等人所著的文献“用于估计带宽瓶颈的新端到端探测和分析方法”中使用流体模型有所阐述。分组间应变的上述行为在下面等式1予以表述。

ϵ = v + \{\begin{matrix} 0 & (u < B) \\ α (u - B) = αu + B & (u &GreaterEqual; B) \end{matrix} - - - (1)

在等式1的模型中，α是等于1/C的状态变量，β是等于(S/C)-1的状态变量，v是测量噪声。可用带宽按如下关系与状态变量相关：

B = - \frac{β}{α} .

因此如果能够估计α和β，则能够容易地获得可用带宽的估计值。

现在返回到基于滤波器的方法的原理上，给定系统状态如何从一个测量场合演变到下一个测量场合以及测量的量与系统状态的相关程度的模型，通过对与系统状态相关的某个量重复测量来估计系统的状态。这两个相关性包括随机噪声项，分别是过程噪声和测量噪声。系统等式则为

\{\begin{matrix} x_{k} = f (x_{k - 1}) + w_{k - 1} \\ z_{k} = h (x_{k}) + v_{k} \end{matrix} - - - (2)

其中x是系统的状态，z是测量结果，w是过程噪声和v是测量噪声。函数f和h分别表示系统演变模型和测量模型。下标指“离散时间”。

如果函数f和h是线性的，且如果过程噪声和测量噪声是高斯且非相关的，则存在最优滤波器，即卡尔曼滤波器。经验显示即使未严格地满足这些条件时，卡尔曼滤波器仍常常非常有效。即，噪声分布无需准确为高斯的。噪声项还可以调整与函数f和h的线性的某种偏离。卡尔曼滤波器的另一个重要优点是，除非系统的维数非常大，否则它们在计算工作量上较轻，对CPU和存储器要求最小。在此线性情况中，可以使用如下的量度来表示系统：

\{\begin{matrix} x_{k} = {Ax}_{k - 1} + w_{k - 1} & (3) \\ z_{k} = {Hx}_{k} + v_{k} & 10 \end{matrix}

能够根据先前估计值和新测量结果计算新估计值的卡尔曼滤波器等式为：

{\hat{x}}_{k} = {{\hat{x}}_{k}^{-} + K}_{k} (z_{k} - H {\hat{x}}_{k}^{-}) - - - (4)

P_{k} = (I - K_{k} H) P_{k}^{-}

其中

{\hat{x}}_{k}^{-} = A {\hat{x}}_{k - 1} - - - (5)

P_{k}^{-} = {AP}_{k - 1} A^{T} + Q

K_{k} = P_{k}^{-} H^{T} {({HP}_{k}^{-} H^{T} + R)}^{- 1} . - - - (6)

卡尔曼滤波可以理解为每次迭代有两个计算阶段的过程。首先，有“预测”阶段，其中先前估计根据系统模型演变一个离散时间步骤(等式5)。然后，有“校正”阶段，其中将新测量结果纳入考虑(等式4)。还计算状态估计的更新的误差协方差矩阵P_k。

正如可从等式6和5看到的，卡尔曼增益K_k随Q递增而随R递减。这些卡尔曼滤波器输入Q和R分别是过程噪声w和测量噪声v的协方差。这些量可以直观地按如下所述来理解。系统模型中噪声协方差大(高Q值)表示根据系统模型的预测可能是欠精确的，新测量结果应该赋予较重权重。测量协方差大(高R值)表示新测量结果可能是欠精确的，预测应该赋予较重权重。注意测量的量z＝ε是标量，而且R也是标量(或1×1矩阵)。

本发明的示范实施例利用卡尔曼滤波器，以便为每个新测量生成网络路径上的可用带宽的更新估计值。每个测量包括发送带时间戳记的分组对的序列，并计算平均分组间应变。在本发明的一些实施例中，可以将分组对的序列合并到一列中。还计算分组间应变的变化以生成卡尔曼滤波器等式的R输入。在一些实施例中，为每个测量随机地选择探测速率u，例如根据概率分布(例如均匀分布)来选择。在一些实施例中，在从概率分布(例如一点分布，其中概率1选择1秒区间)为每个新测量随机选择的时间区间之后重复测量。

应该注意，卡尔曼滤波器方法是非常“宽大的”，即使稍微破坏理想条件，常常仍生成好的结果。所以即使系统显示某种程度上与此分段线性系统曲线偏离的特征，所得到的可用带宽估计值仍不会自动失效。当然，此模型中的所有变量是动态的，即可能随时间变化，所以它们与下标相关(有时在表示中未将下标表示出来)。

等式1的模型不是线性的，但是它是分段线性的。图3中以图形方式示出这样的一个示例。虽然卡尔曼滤波器一般不适用于此情况中，但是根据本发明的示范实施例避开了这个问题，并可以获得有效率的收敛。即使所使用的分段线性模型仅是近似的，卡尔曼滤波器仍能够生成好的估计，因为噪声项可以调整因“误建模”所致的一些误差。当系统的状态由包含等式1的斜线直线的两个参数的矢量表示时，等式1的模型使得能够应用卡尔曼滤波器。

x = [\begin{matrix} α \\ β \end{matrix}] . - - - (7)

为了满足可应用卡尔曼滤波的线性标准，本发明的一些实施例相对于B来跟踪u，并尝试保持在等式1的斜线部分上(也参见图3)。因为可用带宽B的真值是未知的，本发明的示范实施例使用最近的估计值

或

附近的某个适合的阈值。如果u小于该阈值，则忽略测量结果，并且不更新状态矢量的估计值。离散时间k处应变的测量结果ε_k可以书写为：

ε_k＝Hx_k+v_k(8)

其中H＝[u1]。系统状态的演变可以书写为

x_k＝x_k-1+w_k-1(9)

因此，可以通过A＝I且z＝ε将卡尔曼滤波器形式应用于等式7的状态矢量，其中I是单位矩阵。

等式7的状态矢量x是二维的，所以过程噪声w的协方差Q是2×2矩阵。在给定参考网络具有受控且已知的流量并因此已知可用带宽的情况下，此Q矩阵可以用于性能调整。当应用于二维状态矢量时，卡尔曼等式变得在计算量方面非常简单，并且仅在每次迭代时才需要少量的浮点运算。当滤波器估计系统状态变量α和β时，按如下等式由估计值

和

容易地计算可用带宽B的估计值

\hat{B} = - \frac{\hat{β}}{\hat{α}} .

下面在编号的段落中描述根据本发明的示范操作。图1中在11-18处还图示了这些示范操作。

1.接收方生成状态矢量的初始估计值

以及与

对应的误差协方差矩阵的初始估计值P₀，如图中11处所示。根据

计算可用带宽的估计值

如图中12处所示

2.发送方根据期望的概率分布发送探测流量强度为u的N个探测分组对的序列(或列)，如图中13处所示。(在一些实施例中，u的概率分布是基于过去经验或试验来选择的。)N个探测分组对用于分组间应变测量。一些实施例发送用于形成N对探测分组的N+1个探测分组的序列。即，第一对的第二个探测分组还用作第二对的第一个探测分组，并以此类推。在一些实施例中，在探测分组对间不共享探测分组，所以使用2N个探测分组的序列来形成N对不同的探测分组。发送方将探测分组流量速率u的当前值在探测分组中传递到接收方。

3.对于接收到的探测分组的序列，接收方从探测分组中重新获得流量强度u，如图中14处所示。如果在15处u超过阈值(例如

或

附近适当选择的值)，则接收方使用探测分组的时间戳记来计算与N对分组对应的N个分组间应变值的平均值ε，如图中16所示。接收方还计算协方差R。如果在15处u小于或等于阈值，则忽略探测分组的时间戳记，不执行更新，操作返回到上面的#2，如图中18所示。

4.卡尔曼滤波器使用上文操作3得到的平均分组间应变值和协方差矩阵(如果有的话)来更新状态矢量的估计值

和误差协方差矩阵P，如图中17所示。根据新的状态矢量估计值，计算可用带宽的新估计值如图中12处所示

5.操作返回到上面的#2，并生成探测分组的下一个序列，如图中13所示。

图2以示意图图示根据本发明的示范实施例、用于评估数据传输路径的设备。在一些实施例中，图2的设备能够执行上文所述以及图1图示的操作。在一些实施例中，节点21和23，以及数据传输路径22可以构成或形成分组交换数据网络(例如因特网、专用内联网等)等的一部分。发送节点21通过数据传输路径22将探测分组对的序列发送到接收节点23。在发送节点和接收节点处未明确示出前文提到的时间戳记。接收节点23包括从探测分组中提取时间戳记信息和探测分组速率u的提取单元24。应变计算单元25计算所接收到的序列中的每对探测分组的分组间应变值，并且还计算分组间应变值的平均值和方差。

应变计算单元25将平均分组间应变ε作为z输入提供到卡尔曼滤波器26，还将分组间应变方差R作为输入提供到卡尔曼滤波器26。卡尔曼滤波器26还将Q矩阵以及状态矢量的初始估计值和错误协方差矩阵P₀作为输入来接收。在一些实施例中，由过去经验或试验得出状态矢量的初始估计值

和错误协方差矩阵P₀。这些初始估计值的精确度在卡尔曼滤波器的运算中不是重要的因素。

卡尔曼滤波器26接收单位矩阵I作为它的A矩阵输入，还从矩阵生成器27接收矩阵H(例如H＝[u1])，矩阵生成器27响应由提取单元24从探测分组中提取的探测分组速率u来生成矩阵H。响应它的输入，卡尔曼滤波器26生成更新的状态矢量估计值

可用带宽计算单元28使用更新的状态矢量估计值来更新可用带宽估计值

可用带宽估计值

作为从节点23的输出结果提供，并且还提供到比较单元29，比较单元29将探测分组速率u与等于或适当地接近

的阈值比较。根据此比较的结果，比较单元29向应变计算单元25提供有关应变计算单元25是否应该为当前探测分组对的序列执行计算的指示20。在一些实施例中，将指示20提供到卡尔曼滤波器26，以通知是否应该将该滤波器应用于应变计算单元25的结果。这由虚线201示出。

根据图2的前文描述，可以将提取单元24和应变计算单元25视为最终生成在估计可用带宽时使用的估计数据(图2的示例中的ε和R)的数据生成单元的组件。还可以将卡尔曼滤波器26和可用带宽估计器28视为将卡尔曼滤波应用于估计数据以便生成可用带宽的估计值的估计单元的组件。

一些实施例可调整为按期望的可用带宽平均时间范围tau优化跟踪性能。例如，如果tau＝10秒，则在10秒时间范围上进行可用带宽的测量。在一些实施例中，tau＝10秒，且2×2矩阵Q具有值Q11＝10^-5，Q12＝0，Q21＝0和Q22＝10^-3。在具有较短时间范围的实施例中，可以增加Q22的值，而将Q11、Q12和Q21保持相同的值。

一些实施例在数值计算中使用换算，由此所涉及的量是无量纲的。如上文提到的，从ε开始是无量纲的，因此β、v和R也是无量纲的。为了使所有其他量成为无量纲的，按从探测发送方主机/节点起的第一跳的最大容量换算探测流量速率u。这意味着u＝1是最大可能探测速率，而且α、x、w和Q是无量纲的。

在一些实施例中，图2中25-29处的组件在接收节点23的外部提供并与之分开，但是耦合到提取单元24以从其接收时间戳记信息和探测分组速率u。图2中以虚线200图示这种类型的划分。在此划分示例中，所有组件25-29均在接收节点23外部提供并与之分开，例如在网络中的一个或多个其他节点中提供。

本发明可以为系统的每次新取样生成更新的可用带宽估计值，即对应于每列(train)新探测分组对生成更新的可用带宽估计值。这些列可以按任意频度发送(即可以任意减少取样测量的时间范围)，由此可以实时地跟踪可用带宽。

可以相对容易地满足用于执行上述滤波的数据处理和存储器需求。例如，在一些实施例中，图2的接收节点23是微处理器平台。使用卡尔曼滤波器等式更新可用带宽估计值精简为仅执行几次浮点运算(在一些实施例中更接近于10次而非100次)无需保存历史数据，因为计算更新的状态矢量估计值只需先前状态矢量估计值和新测量结果。

对于本领域技术人员来说，将显见到在多种实施例中，可以通过硬件、软件、硬件和软件的组合来实现。

虽然上文详细地描述了本发明的示范实施例，但是这不限制本发明的范围，可以在多个不同实施例中实施。

Claims

1.一种用于评估在数据网络的数据通信节点之间传输数据的数据传输路径中的可用带宽的方法，包括：

提供所述数据传输路径中的带宽的初始估计值；

提供(13)在所述数据传输路径的实时操作期间遍历所述数据传输路径的具有流量速率u的探测分组以便计算所述探测分组的分组间应变值的平均值；

在所述数据传输路径的所述实时操作期间对所述初始估计值和所述分组间应变值的平均值应用卡尔曼滤波器操作以便在所述数据传输路径的所述实时操作期间生成(17)所述可用带宽的更新估计值；

其特征在于，所述卡尔曼滤波器操作使用单位矩阵I和矩阵H，其中所述矩阵H设置为响应所述流量速率u而生成的[u 1]；并基于所述初始估计值、所述分组间应变值的平均值和所述单位矩阵I和矩阵H计算所述可用带宽的更新估计值。

2. 如权利要求1所述的方法，包括在所述探测分组的其中之一中提供传输速率的指示。

3. 如权利要求1所述的方法，包括在所述探测分组的其中之一中提供传输速率。

4. 一种用于评估在数据网络的数据通信节点之间传输数据的数据传输路径中的可用带宽的设备，包括：

数据生成单元(24)，用于接收在所述数据传输路径的实时操作期间已遍历所述数据传输路径的具有流量速率u的探测分组，所述数据生成单元响应所述探测分组遍历所述数据传输路径，在所述数据传输路径的所述实时操作期间，计算所述探测分组的分组间应变值的平均值；

与所述数据生成单元耦合的估计单元(26,28)，用于在所述数据传输路径的所述实时操作期间生成可用带宽的估计值，所述估计单元包括用于接收所述数据传输路径中的带宽的初始估计值并对所述分组间应变值的平均值和所述初始估计值应用卡尔曼滤波器操作的卡尔曼滤波器，其特征在于所述卡尔曼滤波器操作使用单位矩阵I和矩阵H，其中所述矩阵H设置为响应所述流量速率u而生成的[u 1]；以及所述设备还包括耦合到所述估计单元的单元(25,27)，用于向所述估计单元提供在所述滤波器操作中使用的所述单位矩阵I和矩阵H。

5. 如权利要求4所述的设备，其中，所述估计单元和所述数据生成单元的一部分在物理位置上与所述数据生成单元的其余部分分开设置。

6. 如权利要求4所述的设备，其中，所述单元耦合到所述数据生成单元，用于从所述探测分组的其中之一中提取传输速率的指示。

7. 如权利要求4所述的设备，其中，所述单元耦合到所述数据生成单元，用于从所述探测分组的其中之一中提取传输速率。